【技术实现步骤摘要】
基于多尺度快速地毯覆盖法声呐图像分形特征提取方法
本专利技术属于数字图像处理和机器学习
,特别是涉及一种基于多尺度快速地毯覆盖法声呐图像分形特征提取方法。
技术介绍
图像滤波是图像预处理中不可缺少的工作,其在保留图像细节信息的同时抑制图像噪声。图像噪声往往为图像的高频部分,因此采用小波分解得到图像的高频分量,对每个高频分量采用三维块匹配滤波进行去噪并将去噪结果进行小波重构,形成去噪后的图像。三维块匹配滤波是一种变换域的滤波方法,原理是将图像分成多个块,通过与相邻块进行匹配,将若干个相似块整合为一个三维矩阵,在三维空间进行滤波处理并将滤波结果反变换融合到二维空间,得到去噪的结果。客观世界中的任何物体都是具有尺度的,并且同一物体在多个尺度下会表现出不同的结果。比如,某个人去观测一个物体,通过改变人与物体间的距离,物体在人体视网膜的成像大小也会改变,这样观测到的同一个物体由于观测距离的原因看到了不同的细节,从而得到了对同一物体的不同描述。对于图像也一样,单尺度的图像分析由于局限性会影响最终的结果,而通过改变图像的尺度,得到的图像更多的细节信息,从而更好的分析图像。因此,Crowley等人提出了非单一尺度分析法,也就是图像金字塔,是对原始图像进行处理,得到一组分辨率和尺寸逐渐降低的图像,这些图像构成了类似金字塔形状的结构。而高斯金字塔是对图像先进行高斯滤波,然后采用下采样对图像进行分解,这样得到多层图像。由于分形维数直观上与物体表面的粗糙度相吻合,而自然界中的不同物体粗糙度有很大差别,可用分形维数来作为区分图像目标和背景的有效参数。分形维数是由美籍法国数学家 ...
【技术保护点】
1.一种基于多尺度快速地毯覆盖法声呐图像分形特征提取方法,其特征在于,具体按照以下步骤实施:步骤1,将原始声呐图像读入矩阵实验室(MATLAB),利用小波分解将原始声呐图像分解为低频分量、水平高频分量、垂直高频分量以及对角高频分量,对水平高频分量、垂直高频分量以及对角高频分量分别进行三维块匹配滤波后结合低频分量并利用小波重构得到去噪后的声呐图像;步骤2,使用高斯金字塔对去噪后的声呐图像进行塔式分解得到多个不同尺度的图像,对不同尺度相同纹理的图像采用快速地毯覆盖法计算各图像的分形维数,之后融合各图像的分形维数得到声呐图像多尺度分形特征;步骤3,将得到的声呐图像多尺度分形特征形成样本集,使用该样本集进行GA‑SVM模型训练,将待测试集输入到已经训练好的GA‑SVM模型中完成对其图像像素点的分类。
【技术特征摘要】
1.一种基于多尺度快速地毯覆盖法声呐图像分形特征提取方法,其特征在于,具体按照以下步骤实施:步骤1,将原始声呐图像读入矩阵实验室(MATLAB),利用小波分解将原始声呐图像分解为低频分量、水平高频分量、垂直高频分量以及对角高频分量,对水平高频分量、垂直高频分量以及对角高频分量分别进行三维块匹配滤波后结合低频分量并利用小波重构得到去噪后的声呐图像;步骤2,使用高斯金字塔对去噪后的声呐图像进行塔式分解得到多个不同尺度的图像,对不同尺度相同纹理的图像采用快速地毯覆盖法计算各图像的分形维数,之后融合各图像的分形维数得到声呐图像多尺度分形特征;步骤3,将得到的声呐图像多尺度分形特征形成样本集,使用该样本集进行GA-SVM模型训练,将待测试集输入到已经训练好的GA-SVM模型中完成对其图像像素点的分类。2.根据权利要求1所述的基于多尺度快速地毯覆盖法声呐图像分形特征提取方法,其特征在于,在步骤1中,利用小波分解将原始声呐图像分解为低频分量、水平高频分量、垂直高频分量以及对角高频分量具体为:原始声呐图像定义为f(x,y),首先沿x方向对f(x,y)分解得到平滑逼近和细节ψ(x)两部分,然后沿y方向分别对平滑逼近和细节ψ(x)分解得到平滑逼近和细节ψ(y),定义Ajf(x,y)为第J级低频分量,以及分别为高频分量,对f(x,y)进行J级小波分解,其图像分量计算如下:而对于给定尺度函数和小波函数,可以将f(x,y)进行以下分解:其中,h和g分别为低通滤波器和高通滤波器,以及分别为原始声呐图像分解后的第k0层的低频分量、水平高频分量、垂直高频分量以及对角高频分量。3.根据权利要求2所述的基于多尺度快速地毯覆盖法声呐图像分形特征提取方法,其特征在于,在步骤1中,对水平高频分量、垂直高频分量以及对角高频分量分别进行三维块匹配滤波具体为:步骤S1:选择N×N大小的窗口,通过窗口的滑动将由水平高频分量、垂直高频分量以及对角高频分量构成的图像分为多个N×N的图像块,再对得到的图像块采用欧式距离计算其相似性;假设图像块Px和Py,其相似性度量为:对于每一个图像块,计算其与匹配块的相似性度量,将相似性度量结果大于指定阈值的图像块和匹配块组合成集合S,计算为:Sx={x∈X:d(Px,Py)>t}(4)其中,x为二维坐标,X为图像块,t为指定的阈值,最终形成三维数组A;步骤S2:通过硬阈值函数改变小波变换系数对三维数组A构成的图像完成滤波,硬阈值函数定义为:Y=X.*(|X|>T)(5)其中,其中|X|为小波变换的系数,T是预先选定的阈值;步骤S3:每个相似块经过步骤S1、步骤S2之后对得到多个滤波结果的估计值,将这些估计值进行加权求平均值后得到基础估计的噪声图像;步骤S4:参照步骤S1对经过基础估计的噪声图像进行同样处理,最终得...
【专利技术属性】
技术研发人员:金海燕,边敏艳,肖照林,赵欢,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。